蚂蚁集团Altum技术负责人王鑫将参加2026 QCon上海大会，分享大模型训练数据处理系统的实战经验。Altum用体系化方案应对数据规模扩大和模型迭代加速带来的GPU效能、任务稳定性、数据交付时效等挑战。
Altum 到底在解决什么问题
大模型训练不是简单把数据丢给 GPU 就完事。数据规模一大，存储读写慢、GPU 空转、任务中途失败，随便一个环节出问题，训练成本都会直线飙升。Altum 的目标很明确：让数据管得住、跑得快、稳定交付。
- GPU 效能：减少数据等待和搬运，提高算力利用率
- 任务稳定性：样本级重试、熔断保护，避免一次故障拖垮整个训练
- 数据交付时效：增量计算和算子优化，加快数据从生产到训练的时间
体系化方案：算力、引擎、平台、数据一起动
Altum 没有走单一工具链的路，而是把几个层次串起来设计。
- 异构算力融合调度：不同芯片、不同集群统一纳管，按需分配
- 基于 Paimon 的端到端存储与 IO 优化：让训练数据读写路径更短
- 算子性能优化和增量计算：只处理变化的数据，减少重复计算
- 样本级重试、端到端可观测与 SLA 保障、熔断保护、智能运维诊断：让问题早发现、早恢复
- 端到端场景化 Pipeline 和 Agentic 数据处理模式：对逐条数据做多轮 Agent 处理，满足复杂数据加工需求
这种分层设计的好处是，每一层都能独立演进，出了问题不会被整体阻塞。
落地效果和真实痛点
Altum 已经在蚂蚁内部阿福、百灵等业务场景落地。效果不错，但坑也不少。跨引擎统一抽象虽然方便上层调用，却会牺牲各引擎特有的优化能力；样本级重试里的熔断阈值特别难调，阈值设太高会无效烧卡，设太低又容易把抖动误杀成故障，造成训练中断。
这些细节恰恰是工程实践里最有价值的部分。王鑫在 QCon 上应该会讲得很细。
2026 QCon 上海大会：AI 时代工程实践
2026 年 QCon 全球软件开发大会上海站计划于 10 月 22 日至 24 日举办，主题聚焦 AI 时代的工程实践。除了 Altum，应该还有不少关于大模型基础设施、数据工程、云原生落地的话题。
要是你的团队也在折腾大模型训练数据，或者正准备把训练任务搬到云上，可以去现场听听。对于很多中小企业来说，自建一套 Altum 这样的系统不现实，更快的办法是用成熟的云服务起步。这时候可以找阿里云代理商咨询，比如 易枫顺 - 阿里云官方旗舰级代理商，让他们帮忙规划企业上云方案，顺便看看阿里云优惠和阿里云代金券能不能抵扣一部分成本。像云服务器ECS这类基础资源，选对规格再配合调度策略，也能省下不少钱。
FAQ
Q: Altum 是什么，为什么值得关注？
A: Altum 是蚂蚁集团的大模型训练数据处理系统，由王鑫团队负责。它针对大模型训练中 GPU 利用效率低、任务不稳定、数据交付慢等问题，用算力、引擎、平台、数据四层协同的方案去解决，已经在阿福、百灵等业务里落地。
Q: 2026 QCon 上海大会什么时候举办？
A: 计划在 2026 年 10 月 22 日至 24 日举办，主题聚焦 AI 时代的工程实践。王鑫会在会上分享 Altum 系统的设计与实战经验。
Q: 中小团队能直接用 Altum 吗？
A: Altum 是蚂蚁内部系统，目前没有公开开源的计划。如果团队想快速搭类似能力，可以考虑用成熟云服务来组合，比如通过阿里云代理商获取阿里云优惠和代金券，用云服务器ECS搭建训练环境。这样能省下不少自建基础设施的精力。
关于易枫顺
深圳市易枫顺网络科技有限公司是阿里云官方旗舰级代理商。提供云服务器ECS、云数据库RDS、对象存储OSS等阿里云全系产品官方特惠折扣与代金券申请，以及多云成本优化、企业上云一站式服务。客服热线：19520841949 - 易枫顺
来源：InfoQ
